論文の概要: From Index to Equity: Pre-Training Transformers for Stock Return Prediction

• arxiv url: http://arxiv.org/abs/2605.23962v1
• Date: Tue, 12 May 2026 13:18:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 02:55:42.981141
• Title: From Index to Equity: Pre-Training Transformers for Stock Return Prediction
• Title（参考訳）: 指標から株価へ-株価リターン予測のための事前試験用変圧器
• Authors: Marie Soehl Coolsaet, Roberto Gallardo, Zhen Gao,
• Abstract要約: 本研究は、機械学習を活用して株価予測を改善し、情報投資決定を支援することを目的とする。 株予測のための変圧器モデルについて検討し,事前学習戦略が予測性能に与える影響について検討する。
• 参考スコア（独自算出の注目度）: 2.814741750783267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research aims to leverage machine learning to improve stock price prediction and support informed investment decisions related to buying, selling, and holding assets. Specifically, this work investigates transformer-based models for stock prediction and examines the impact of pre-training strategies on forecasting performance. A transformer model was first pre-trained on the Toronto Stock Exchange Index (TSX) to predict intra-day return direction and subsequently fine-tuned on individual TSX stocks. The model was further adapted for return-value regression tasks. Performance was benchmarked against Long Short-Term Memory (LSTM) and XGBoost models. Pre-training on the market index improved the binary cross-entropy loss for individual stock prediction from 0.69 to 0.64. The fine-tuned transformer regression model achieved lower mean squared error than the benchmark models, although the ensemble and XGBoost models achieved higher average daily returns. In addition, a practical application was developed to deliver real-time stock predictions for trading support. Future work will focus on increasing transformer model capacity, incorporating broader global technical indicators, and filtering out stocks with low predictability.
• Abstract（参考訳）: 本研究は、機械学習を活用して株価予測を改善し、資産の売買・保有に関する情報的投資決定を支援することを目的とする。 具体的には,変圧器を用いたストック予測モデルについて検討し,事前学習戦略が予測性能に与える影響について検討する。 トランスモデルをトロント証券取引所指数(TSX)で事前訓練し、日内リターンの方向を予測し、その後個々のTSX株に微調整した。 モデルはさらに戻り値回帰タスクに適合した。 性能はLong Short-Term Memory (LSTM) モデルとXGBoostモデルでベンチマークされた。 市場指数の事前トレーニングにより、個々の株価予測の2進的クロスエントロピー損失は0.69から0.64に改善された。 微調整変圧器回帰モデルはベンチマークモデルよりも平均2乗誤差が低かったが、アンサンブルモデルとXGBoostモデルは平均1日平均リターンを達成した。 さらに、取引支援のためのリアルタイムの株価予測を実現するための実用的応用が開発された。 今後は、トランスフォーマーモデルのキャパシティの向上、より広範なグローバルな技術指標の導入、予測可能性の低い株式のフィルタリングに注力する。

関連論文リスト

• Adaptive Temporal Fusion Transformers for Cryptocurrency Price Prediction [0.0]
  本稿では,動的サブシリーズ長とパターンに基づく分類を利用した適応的TFTモデリング手法を提案する。 ETH-USDT 10分のデータを2ヶ月の試験期間で分析した結果,提案手法はベースラインの固定長TFTおよびLSTMモデルよりも精度が高く,取引利益率をシミュレーションした。
  論文  参考訳（メタデータ） (2025-09-06T20:04:46Z)
• An Evaluation of Deep Learning Models for Stock Market Trend Prediction [0.3277163122167433]
  本研究では,S&P 500指数とブラジルETF EWZの日時閉値を用いた短期トレンド予測のための先進的なディープラーニングモデルの有効性について検討した。 時系列予測に最適化されたxLSTM適応であるxLSTM-TSモデルを導入する。 テストされたモデルの中で、xLSTM-TSは一貫して他のモデルよりも優れており、例えば、テスト精度72.82%、F1スコア73.16%をEWZの日次データセットで達成している。
  論文  参考訳（メタデータ） (2024-08-22T13:58:55Z)
• Gated recurrent neural network with TPE Bayesian optimization for enhancing stock index prediction accuracy [0.0]
  インドの著名な株式市場指標であるNIFTY50指数の翌日の終値の予測精度を改善することを目的とする。 8つの影響要因の組み合わせは、基本株価データ、技術指標、原油価格、マクロ経済データから慎重に選択される。
  論文  参考訳（メタデータ） (2024-06-02T06:39:01Z)
• StockGPT: A GenAI Model for Stock Prediction and Trading [0.0]
  本稿では,100年近くにわたって米国株の7千万株に対して,自己回帰数モデルであるStockGPTを紹介した。 StockGPTは、各リターンシリーズをトークンのシーケンスとして扱うことで、将来のリターンを予測する隠されたパターンを自動的に学習する。 2001年から2023年までの維持試験では、StockGPT予測による日毎および月毎のリバランスロングショートポートフォリオが強いパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2024-04-07T22:53:43Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Transformer-Based Deep Learning Model for Stock Price Prediction: A Case Study on Bangladesh Stock Market [0.0]
  本稿では、ダッカ証券取引所(DSE)に上場する8銘柄の価格変動を予測するためのトランスフォーマーモデルの適用に焦点を当てる。 本実験は,ほとんどの株式において有望な結果と許容される根平均二乗誤差を示すものである。
  論文  参考訳（メタデータ） (2022-08-17T14:03:28Z)
• Deep Stock Predictions [58.720142291102135]
  本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。 次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。 カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-08T23:37:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。